在Python中高效地遍歷numpy矩陣中的每一列

Python中有一個非常大的二維數組，使用numpy庫。我想要有效地遍歷每一列，並且每次檢查元素是否與0不同以在每列中計算它們的數量。在Python中高效地遍歷numpy矩陣中的每一列

假設我有以下矩陣。

M = array([[1,2], [3,4]])

下面的代碼，使我們的每一行有效地行走，例如（這是不是我打算做當然！）：

for row_idx, row in enumerate(M): 
    print "row_idx", row_idx, "row", row 
    for col_idx, element in enumerate(row): 
     print "col_idx", col_idx, "element", element 
     # update the matrix M: square each element 
     M[row_idx, col_idx] = element ** 2

然而，在我來說，我想因爲我有一個非常大的矩陣，所以可以有效地遍歷每列。

我聽說有實現這個使用numpy的一個非常有效的方式，而不是我當前的代碼：提前

curr_col, curr_row = 0, 0 
while (curr_col < numb_colonnes): 
    result = 0 
    while (curr_row < numb_rows): 
     # If different from 0 
     if (M[curr_row][curr_col] != 0): 
      result += 1 
     curr_row += 1 
    .... using result value ... 
    curr_col += 1 
    curr_row = 0

謝謝！

來源

2015-02-17 Othmane

您需要清洗縮進。 – hpaulj 2015-02-17 22:26:57

重新您的第一個代碼塊，它可以由單個語句代替'M = M * M' – gboffi 2015-02-17 22:32:07

縮進更正，謝謝 – Othmane 2015-02-17 22:44:12

在您向我們展示的代碼中，您將numpy的數組視爲列表，並且您可以看到它的作用！但是數組不是列表，雖然你可以這樣對待它們，但使用數組，甚至是numpy都沒有意義。

要真正利用的numpy用處，你必須直接對數組操作，寫作，例如，

M = M*M

當你想平方數組的元素，並使用豐富的numpy功能操作直接在陣列上。

這就是說，我會盡量讓您的問題更接近一些...... 如果您的目的是計算不同於零的數組元素，可以使用numpy函數sum。

使用sum，可以獲得數組中所有元素的總和，也可以在特定軸上求和。

import numpy as np 
a = np.array(((3,4),(5,6))) 
print np.sum(a) # 18 
print np.sum(a, axis=0) # [8, 10] 
print np.sum(a, axis=1) # [7, 11]

現在你抗議：我不想總結的元素，我想算非零元素......但

，如果你寫一個邏輯測試上數組，你獲得布爾值數組，例如，我們要測試其a元素甚至
```
print a%2==0 
# [[False True] 
# [False True]] 
```
False爲零，True是，在至少當我們總結它...
```
print np.sum(a%2==0) # 2 
```
或，如果你想總結一列，即，改變該指數是一整行
```
print np.sum(a%2==0, axis=1) # [1 1] 
```

總結0個

print np.sum(a%2==0, axis=0) # [0 2]

或總和，爲您的特定使用案例

by_col = np.sum(M!=0, axis=0) 
# use the counts of non-zero terms in each column, stored in an array 
... 

# if you need the grand total, use sum again 
total = np.sum(by_col)

來源

2015-02-17 22:53:14 gboffi

謝謝！有用 – Othmane 2015-02-18 05:47:21

在Python中高效地遍歷numpy矩陣中的每一列

回答

相關問題